Dateframe1
df = pd.DataFrame(SQL_Query, columns=[ X,Y . . . . Currency,Amount]
Index X Y ... Currency Amount
0 74 1 ... USD 100
1 75 1 ... EUR 5000
2 76 1 ... AUD 300
3 79 1 ... EUR 750
[1411137 rows x 162 columns]
一个大型SQL查询,所以我避免写出所有列。
df1=pd.read_excel(r`FX_EUR.xlsx)
Index Currency FX
0 AUD 1.61350
1 BGN 1.95580
2 BRL 4.51450
3 CAD 1.45830
4 CHF 1.09280
因此,我想实现的是在DF1中进行查找,查看使用了哪种货币,然后将"DF1金额"列与"DF2 FX"列进行除法运算,并将其用于DF1中的所有行。要么通过制作第三个DF3,要么通过创建名为Amount_EUR的新列i DF1。
关于如何编写此代码,有什么想法吗?
您可以使用merge构建一个系列,该系列包含与df
具有相同索引的正确FX
(相同的Currency
(。这个划分是微不足道的:
fx = df.merge(df1, 'left', on='Currency')['FX']
df.loc[~ fx.isna(),'EUR_Amount'] = df.loc[~ fx.isna()]['Amount']/fx.loc[~ fx.isna()]
与您的样本数据,它给出:
X Y ... Currency Amount EUR_Amount
Index
0 74 1 ... USD 100 NaN
1 75 1 ... EUR 5000 NaN
2 76 1 ... AUD 300 185.931205
3 79 1 ... EUR 750 NaN
您可以使用map
来应用转换-
import pandas as pd
df = pd.DataFrame({"Currency": ['USD', 'EUR', 'AUD', 'EUR'], "Amount": [100, 5000, 300, 750]})
df1 = pd.DataFrame({"Currency": ["AUD", "BGN", "BRL", "CAD", "EUR"], "FX": [1.6, 1.9, 4.5, 1.5, 1.1]})
df1 = df1.set_index("Currency")
df['FX'] = df['Currency'].map(df1.FX)
df['FX_Adj_Amt'] = df['Amount'].div(df['FX'])
df
# Currency Amount Fx FX_Adj_Amt
#0 USD 100 NaN NaN
#1 EUR 5000 1.1 4545.454545
#2 AUD 300 1.6 187.500000
#3 EUR 750 1.1 681.818182